ディープラーニング : Pythonでゼロから構築し学ぶ人工知能(AI)と深層学習の原理
4.0 (380 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,656 students enrolled

ディープラーニング : Pythonでゼロから構築し学ぶ人工知能(AI)と深層学習の原理

機械学習(マシンラーニング)の中でも特に注目を集めているDeep Learningを学び、TensorFlowやChainerなどのフレームワークを使わずに、畳み込みニューラルネットワーク(CNN)までゼロから構築できるようになりましょう。
4.0 (380 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,656 students enrolled
Last updated 5/2020
Japanese
Current price: $80.99 Original price: $124.99 Discount: 35% off
13 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 6.5 hours on-demand video
  • 5 articles
  • 1 downloadable resource
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • ディープラーニングの原理を理解し、ゼロから実装できるようになります。
  • ディープラーニングのコードの読み書きができるようになります。
  • バックプロパゲーション(誤差逆伝播法)によりニューラルネットワークが学習する仕組みを理解できます。
  • 畳み込みニューラルネットワーク(CNN)の仕組みを理解できます。
  • 数学やプログラミングをディプラーニングで活用する具体的な方法を学べます。
  • TensorFlow、Chainerなどのフレームワークの学習コストが下がります。
Course content
Expand all 53 lectures 06:47:28
+ イントロダクション
2 lectures 15:28

コースの概要、及び各セクションの概要を解説します。

Preview 05:03

ディープラーイングの概要を、人工知能や機械学習から解説します。

Preview 10:25
+ 学習の準備
3 lectures 09:41

Anacondaのインストール方法を解説します。

Anacondaのインストール
02:46

Jupyter Notebookの使い方を解説します。

Jupyter Notebookの使い方
04:42

教材のダウンロード方法とコースの学び方について解説します。

教材のダウンロードとコースの学び方
02:13
+ Pythonの基礎
4 lectures 44:39

Pythonの基礎、その1です。

Preview 12:26

Pythonの基礎、その2です。

Pythonの基礎2
10:49

本コースで不可欠な数値計算ライブラリ、NumPyの解説です。

NumPyの基礎
12:56

本コースで不可欠なグラフ描画用ライブラリ、matplotlibの解説です。

matplotlibの基礎
08:28
+ 数学の基礎
4 lectures 46:34

本セクションで学ぶための基礎となる数学を解説します。

Preview 07:25

ディープラーニングで用いる線形代数の基礎を学びます。

線形代数の基礎
15:50

ディープラーニングで用いる微分の基礎を学びます。

微分の基礎
15:03

正規分布の概念とコードを学びます。

正規分布
08:16
+ ニューラルネットワーク
9 lectures 01:14:34

ニューラルネットワークについて、概要を学びます。

Preview 14:10

単一ニューロンで行われる計算について学びます。

Preview 07:46

順伝播と逆伝播の概念について学びます。

Preview 04:44

2つの層の間における計算について学びます。

層間の計算
07:39

回帰と分類の概念について学びます。

回帰と分類
06:30

様々な活性化関数について学びます。

活性化関数
12:54

単一ニューロンの具体的な実装方法について学びます。

単一ニューロンの実装
06:30

回帰の場合の、ニューラルネットワークの実装について学びます。

ニューラルネットワークの構築(回帰)
08:51

分類の場合の、ニューラルネットワークの実装について学びます。

ニューラルネットワークの構築(分類)
05:30
+ バックプロパゲーション
13 lectures 01:42:23

バックプロパゲーションについて、概要を学びます。

Preview 06:24

訓練データとテストデータについて、概念を学びます。

訓練データとテストデータ
06:18

損失関数について、概念と実装方法を学びます。

損失関数
09:40

勾配降下法について、概念を学びます。

勾配降下法
08:17

出力層の勾配を計算する式を導出します。

出力層の勾配
15:27

中間層の勾配を計算する式を導出します。

中間層の勾配
07:30

エポックとバッチの概念について学びます。

エポックとバッチ
06:24

行列による順伝播の演算について学びます。

行列による順伝播の演算
05:48

行列による逆伝播の演算について学びます。

行列による逆伝播の演算
06:29

バックプロパゲーションによる学習のための準備を行います。

学習の準備
07:07

各層をクラスとして実装します。

層のクラスによる実装
06:04

バックプロパゲーションの実装、回帰の例です。

回帰の例を実装
09:05

バックプロパゲーションの実装、分類の例です。

分類の例を実装
07:50
+ ディープラーニング
7 lectures 53:53

ディープラーニングが抱える様々な問題について解説します。

Preview 12:00

勾配降下法における様々な最適化アルゴリズムを紹介します。

最適化アルゴリズム
07:40

本セクションでニューラルネットワークの学習に用いるIrisデータセットについて紹介します。

Irisデータセット
03:50

本セクションにおける学習のための準備を行います。

学習の準備
10:52

中間層、出力層をクラスとして実装します。

各層の実装
03:37

全体のコードを俯瞰し、実行して結果を確認します。

全体のコードと実行結果
09:34

ドロップアウトにより、過学習を抑制します。

ドロップアウト
06:20
+ 畳み込みニューラルネットワーク(CNN)
6 lectures 56:14

畳み込みニューラルネットワークの概要について解説します。

Preview 14:33

im2colとcol2imというアルゴリズムについて解説します。

Preview 09:21

畳み込み層の実装方法について解説します。

畳み込み層の実装
08:05

プーリング層の実装方法について解説します。

プーリング層の実装
09:12

CNNで学習を行うための準備を行います。

学習の準備
04:54

CNNを実装し、手書き文字の分類を行わせます。

CNNの実装
10:09
+ ボーナスレクチャー
5 lectures 04:01

さらに学びたい方のために、関連コースを紹介します。

ボーナスレクチャー: 関連コースの紹介
03:07

講師の著書を紹介します。

ボーナスレクチャー: 講師の著書
00:15

講師の会社のYouTubeチャンネルです。講座の一部が無料で公開されています。

ボーナスレクチャー: YouTubeチャンネル
00:11

講師の会社のFacebookページです。最新の情報が提供されます。

ボーナスレクチャー: Facebookページ
00:09

講師が代表取締役を務める、SAI-Lab株式会社を紹介します。

ボーナスレクチャー: SAI-Lab株式会社(講師の会社)
00:18
Requirements
  • 何らかの、オブジェクト指向プログラミングの経験があった方がベターです。
  • 中学-高校レベルの数学の知識が前提として必要です。
  • WindowsでもMacでも大丈夫です。Linuxのサポートは行いませんが、コードは全ての環境で共通のものです。
Description

本コースは、ディープラーニングをゼロから実装する講座です。

TensorFlowやChainerなどのフレームワークを使わずに、畳み込みニューラルネットワーク(CNN)までゼロから構築できるようになりましょう。

ディープラーニングをフルスクラッチで構築することにより、普遍的な原理がしっかりと身につきます。


人工知能(AI)、特にその一分野であるディープラーニングは世界中の人々の関心を集めており、自動運転、ファイナンス、流通、アート、研究、さらには宇宙探索に到るまで、様々な分野で活用をされ始めています。

本コースは、可能な限り多くの方がディープラーニングの本質を学ぶことができるように、プログラミングと数学から始めて畳み込みニューラルネットワークに至るまで、手を動かしながら少しずつ丁寧に学べるように設計されています。

また、扱うコードは直感的な分かりやすさを重視し、可能な限りシンプルで可読性の高いコードを心がけています。 


本コースには前提となる知識が2つあります。

1つ目は、何らかのプログラミング言語の経験です。

本コース内でもPythonの解説をしますが、何からのプログラミング言語の経験があると学習がスムーズになります。

プログラミングが全くの初心者の方は、他のコースで基礎を身につけた上で本コースに臨むことをお勧めします。


2つ目は、中学-高校レベルの数学の知識です。

本コース内でもディープラーニングに必要な数学の解説をしますが、ベースとなる数学の知識があった方が望ましいです。

数学に自信のない方は、他のコースで数学を学んだ上で本コースに臨むことをお勧めします。


————————————————————

本コースの主な内容は以下の通りです。


Pythonの基礎

→ ディープラーニングを学ぶために必要なPythonの基礎を学びます。


数学の基礎

→ ディープラーニングを学ぶのに必要な数学のベースを身につけます。


ニューラルネットワーク

→ ニューラルネットワークの原理と仕組みを学び、簡単なニューラルネットワークのコードを実際に構築します。


バックプロパゲーション

→ 誤差の逆伝播により、ニューラルネットワークが学習する仕組みを学びます。


ディープラーニング

→ ここまで学んできた内容をベースに、層をいくつも重ねた深層学習を構築します。


畳み込みニューラルネットワーク

→ 畳み込みニューラルネットワークをゼロから構築します。

————————————————————


本コースは動画を見るのみでも学習が進められるようになっていますが、可能であればPythonのコードをダウンロードして動かしながら進めるのをお勧めします。

コードがダウンロード可能なので、これをベースにオリジナルのディープラーニングのコードを書いてみることもお勧めです。

 

ディープラーニングには非常に長い時間がかかる場合もありますが、本コースのコードは長くても数十秒程度で実行可能です。

本格的なAI開発につながる拡張性を確保しつつも、小さな試行錯誤を何度も繰り返すことができる作りになっています。

本コースの開発環境、AnacondaとJupyter Notebookは簡単にダウンロード、インストールすることができます。


ディープラーニングをゼロから構築しその原理を身につけていただくことが本コースの目的です。

本コースを修了した方は、知的好奇心が刺激されてディープラーニングや人工知能ののことをさらに知りたくなっているかと思います。

Who this course is for:
  • ディープラーニング、AIをこれから本格的に学びたい方。
  • ディープラーニングの原理を基礎から学びたい方。
  • TensorFlow、Chainerなどのフレームワークの動作原理を知りたい方。
  • ディープラーニングをフルスクラッチで実装したい方。
  • フレームワークの使い方については解説しませんので、お手軽にディープラーニングを使いたい方には向きません。